基于馬爾科夫邏輯網(wǎng)絡(luò)的本體映射.pdf

1、本體映射是在不同的異構(gòu)本體間建立概念、屬性、實例的映射關(guān)系的過程，以實現(xiàn)不同領(lǐng)域知識庫之間的語義信息共享。語義Web智能交互的基礎(chǔ)是邏輯語義及其推理能力。而當(dāng)前本體映射的方法主要集中在語義相似度計算方面，其語義的推理能力一直都沒有被充分利用。本文將著重關(guān)于映射推理的研究，提出結(jié)合語義相似度計算和不確定性推理映射的馬爾科夫邏輯網(wǎng)絡(luò)映射框架。
　　首先，論文簡要介紹了本課題的研究背景和意義，對現(xiàn)有本體映射策略進行了歸納，從語義相似度和

2、推理映射兩個方面分析現(xiàn)有映射系統(tǒng)的優(yōu)點和不足之處，并指出現(xiàn)有結(jié)合多策略映射系統(tǒng)的普遍缺點，提出本文的研究方向和目標(biāo)。
　　然后，分別介紹馬爾科夫網(wǎng)絡(luò)和一階邏輯的相關(guān)知識，據(jù)此提出基于馬爾科夫邏輯網(wǎng)絡(luò)的本體映射方法。相對于現(xiàn)有的本體映射方法，該方法能夠利用一階邏輯的特性，結(jié)合硬性規(guī)則和軟性規(guī)則。首先，應(yīng)用多種語義相似度映射策略，獲得本體概念、屬性、結(jié)構(gòu)的語義相似度，并將綜合后的映射結(jié)果作為推理映射的先驗概率，處理不精確語義信息帶來的

3、不確定性;接著，考慮本體中已有的邏輯規(guī)則，即硬性規(guī)則，減化本體映射中出現(xiàn)的邏輯沖突，降低推理映射的計算復(fù)雜度。
　　馬爾科夫邏輯網(wǎng)絡(luò)是由一階邏輯和無向概率圖模型組成的，而在馬爾科夫邏輯網(wǎng)絡(luò)中最大后驗概率求解本身是個NP完全問題，其算法無法直接作為工程依據(jù)，因此應(yīng)用整數(shù)線性規(guī)劃(ILP)近似表示最大后驗概率(MAP)求解問題，在ILP Base Solver基礎(chǔ)上應(yīng)用割平面推理(CPI)算法，進行推理映射發(fā)現(xiàn)，并證明在無向圖中求解最